空間數據分析與R語言實踐

第一部分 r的空間數據處理
第1章 空間數據介紹
1.1 空間數據分析
1.2 為什么要用r
1.2.1 概述
1.2.2 為什么使用r進行空間數據分析
1.3 r和gis
1.3.1 什么是gis
1.3.2 面向服務的架構
1.3.3 進一步了解gis
1.4 空間數據的類型
1.5 存儲和顯示
1.6 空間數據分析應用
1.7 r空間資源
1.7.1 在線資源
1.7.2 本書的結構
第2章 r的空間數據類
2.1 概述
2.2 r中的類和方法
2.3 spatial對象
2.4 spatialpoints類
2.4.1 方法
2.4.2 空間點數據的數據框
2.5 spatiallines類
2.6 spatialpolygons類
2.6.1 spatialpolygons dataframe對象
2.6.2 孔和環(huán)方向
2.7 spatialgrid和spatialpixel對象
第3章 空間數據可視化
3.1 傳統繪圖系統
3.1.1 繪制點、線、多邊形和網格
3.1.2 坐標軸和布局元素
3.1.3 坐標軸標簽和參考網格中的度
3.1.4 繪圖尺寸、繪圖區(qū)域、地圖比例以及多圖繪制
3.1.5 繪圖屬性和地圖圖例
3.2 使用spplot的trellis/lattice繪制
3.2.1 一個直觀的trellis示例
3.2.2 繪制點、線、面和網格
3.2.3 對圖添加參考物和布局元素
3.2.4 安排面板布局
3.3 繪圖交互
3.3.1 基本圖形的交互
3.3.2 spplot和lattice的繪圖交互
3.4 彩色調色板和類區(qū)間
3.4.1 彩色調色板
3.4.2 類區(qū)間
第4章 空間數據導入/導出
4.1 坐標參考系
4.1.1 使用epsg清單
4.1.2 proj.4 crs規(guī)范
4.1.3 投影和坐標轉換
4.1.4 度、分和秒
4.2 矢量文件格式
4.2.1 使用rgdal包中的ogr驅動程序
4.2.2 其他的導入/導出函數
4.3 柵格文件格式
4.3.1 使用rgdal包中的gdal驅動
4.3.2 編寫一個google earth影像覆蓋
4.4 grass
百老街霍亂數據
4.5 其他的導入/導出接口
4.5.1 分析和可視化應用
4.5.2 terralib和art
4.5.3 其他gis和web地圖系統
4.6 安裝rgdal包
第5章 空間數據處理高級方法
5.1 支撐
5.2 疊置
5.3 空間取樣
5.4 拓撲檢查
5.4.1 多邊形合并
5.4.2 孔狀態(tài)檢查
5.5 組合空間數據
5.5.1 組合位置數據
5.5.2 組合屬性數據
5.6 輔助函數
第6章 定制空間數據類和方法
6.1 使用類和方法編程
6.1.1 s3型類和方法
6.1.2 s4型類和方法
6.2 程序包trip中的動物足跡數據
6.2.1 通用函數和構造函數
6.2.2 trip對象的方法
6.3 多點數據：空間多重點
6.4 六邊形網格
6.5 時-空網格
6.6 蒙特卡洛模擬的空間分析
6.7 大型網格的處理
第二部分 空間數據分析
第7章 空間點模式分析
7.1 概述
7.2 空間點模式分析包
7.3 點模式的初步分析
7.3.1 完全空間隨機模式
7.3.2 g函數：最近鄰事件距離
7.3.3 f函數：一個點到其最鄰近事件的距離
7.4 空間點過程的統計分析
7.4.1 同質泊松過程
7.4.2 非同質泊松過程
7.4.3 強度的估計
7.4.4 非同質泊松過程的似然
7.4.5 二階特性
7.4.6 非同質的k函數
7.5 在空間流行病中的一些應用
7.5.1 病例控制研究
7.5.2 二元回歸估計
7.5.3 使用廣義加模型的二元回歸
7.5.4 點源污染
7.5.5 空間聚集的評估
7.5.6 混雜變量和協變量的解釋
7.6 點模式分析更進一步的方法
第8章 插值與地統計
8.1 概述
8.2 探索性數據分析
8.3 非地統計學插值方法
8.3.1 反距離加權插值
8.3.2 線性回歸
8.4 空間相關性估計：變異函數
8.4.1 探索性變異函數分析
8.4.2 截距、間隔寬度、方向依賴性
8.4.3 變異函數模型
8.4.4 各向異性
8.4.5 多變量變異函數模型
8.4.6 殘差變異函數模型
8.5 空間預測
8.5.1 泛克里金、普通克里金和簡單克里金法
8.5.2 多變量預測：協同克里金法
8.5.3 同位協同克里金法
8.5.4 協同克里金法對比
8.5.5 局部鄰域的克里金法
8.5.6 塊克里金法
8.5.7 區(qū)域劃分
8.5.8 趨勢函數和它們的系數
8.5.9 應變量的非線性變換
8.5.10 奇異矩陣錯誤
8.6 模型診斷
8.6.1 交叉驗證殘差
8.6.2 交叉驗證的z-score
8.6.3 多變量交叉驗證
8.6.4 交叉驗證的局限性
8.7 地統計模擬
8.7.1 序貫模擬
8.7.2 非線性空間聚集和塊均值
8.7.3 多變量和指示模擬
8.8 基于模型的地統計和貝葉斯方法
8.9 監(jiān)測網絡優(yōu)化
8.10 其他用于插值和地統計的r語言包
8.10.1 非地統計插值
8.10.2 spatial包
8.10.3 randomfields包
8.10.4 geor包和georglm包
8.10.5 fields包
第9章 面數據和空間自相關
9.1 概述
9.2 空間鄰域
9.2.1 鄰居對象
9.2.2 創(chuàng)建近鄰域
9.2.3 創(chuàng)建基于圖的近鄰
9.2.4 基于距離的近鄰
9.2.5 高階近鄰
9.2.6 網格近鄰
9.3 空 間 權 重
9.3.1 空間權重模式
9.3.2 一般空間權重
9.3.3 空間近鄰與權重的導入、導出和轉化
9.3.4 使用權重模擬空間自相關
9.3.5 操作空間權重
9.4 空間自相關檢驗
9.4.1 全局檢驗
9.4.2 局部檢驗
第10章 面數據建模
10.1 概述
10.2 空間統計方法
10.2.1 同步自回歸(sar)模型
10.2.2 條件自回歸(car)模型
10.2.3 擬合空間回歸模型
10.3 混合效應模型
10.4 空間計量經濟學方法
10.5 其他方法
10.5.1 gam、gee、glmm
10.5.2 moran特征
10.5.3 地理加權回歸
第11章 疾病制圖
11.1 簡介
11.2 統計模型
11.2.1 poisson-gamma模型
11.2.2 log-normal模型
11.2.3 marshall全局eb估計器
11.3 空間結構統計模型
11.4 貝葉斯層次模型
11.4.1 再探poisson-gamma模型
11.4.2 空間模型
11.5 疾病聚集探測
11.5.1 相對風險的同質性檢驗
11.5.2 空間自相關的moran’s i檢驗
11.5.3 一般聚集的tango’s檢驗
11.5.4 聚集位置探測
11.5.5 地理分析機
11.5.6 kulldorfft統計
11.5.7 局部聚集的stone的測試
11.6 疾病制圖的其他主題
結語
參考文獻